如何进入大数据领域，零基础该怎么开始学习？

Dear 丶 2024-04-06 14:08 94阅读 0赞

想要从事大数据技术开发工作，请问要怎么做，路线是什么？从哪里开始学？学哪些？

废话不多说，直接上干货！

大数据本质上是海量数据。

以往的数据开发，需要一定的Java基础和工作经验，门槛高，入门难。

如果零基础入门数据开发行业的小伙伴，可以从Python语言入手。

Python语言简单易懂，适合零基础入门，在编程语言排名上升最快，能完成数据挖掘、机器学习、实时计算在内的各种大数据集成任务。

## [2022Python+大数据学习路线图 ][2022Python_] ##

### **第一阶段：大数据开发入门** ###

**MySQL数据库及SQL语法**

MySQL可以处理拥有上千万条记录的大型数据库，使用标准的SQL数据语言形式，MySQL可以安装在不同的操作系统，并且提供多种编程语言的操作接口，这些编程语言包括C、C++、Python、Java、Ruby等等。支持多种存储引擎。

SQL就是客户端和MySQL服务器端进行通信和沟通的语言。

[2022新版黑马程序员MySQL知识精讲+mysql实战案例\_零基础mysql数据库入门到高级全套教程\_i][2022_MySQL_mysql_mysql_i]

**Kettle与BI工具**

Kettle作为一个端对端的数据集成平台，其部分特色功能包括：无代码拖拽式构建数据管道、多数据源对接、数据管道可视化、模板化开发数据管道、可视化计划任务、深度Hadoop支持、数据任务下压Spark集群、数据挖掘与机器学习支持。

[01.数据仓库的介绍\_i][01._i]

**Python与数据库交互**

实际的生产任务中，数据几乎全部存在与数据库中，因此，与数据库的交互成为一件难以避免的事情。想要在Python代码中和mysql数据库进行交互，需要借助一个第三方的模块“pymysql”。

[8天玩转Python基础，零基础小白从入门到精通（共145集）\_i][8_Python_145_i]

### 第二阶段：大数据核心基础 ###

**Linux**

Linux作为操作系统，本身是为了管理内存，调度进程，处理网络协议栈等等。而大数据的发展是基于开源软件的平台，大数据的分布式集群( Hadoop，Spark )都是搭建在多台 Linux 系统上，对集群的执行命令都是在 Linux 终端窗口输入的。据Linux基金会的研究，86%的企业已经使用Linux操作系统进行大数据平台的构建。Linux占据优势。

[06-Linux操作系统概述\_i][06-Linux_i]

**Hadoop基础**

Hadoop是一个能够对大量数据进行分布式处理的软件框架。 Hadoop 以一种可靠、高效、可伸缩的方式进行数据处理。它很擅长存储大量的半结构化的数据集。也非常擅长分布式计算——快速地跨多台机器处理大型数据集合。Hadoop的框架最核心的设计就是：HDFS和MapReduce.HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。

**Hadoop，p18-p50**

[01-课程内容大纲-学习目标\_哔哩哔哩\_bilibili][01-_-_bilibili]

MapReduce和Hadoop是相互独立的，实际上又能相互配合工作得很好。MapReduce是处理大量半结构化数据集合的编程模型。

**大数据开发Hive基础**

Hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。Hive十分适合对数据仓库进行统计分析。

**Hive视频课程，P51-p83**

[01-课程内容大纲学习目标\_哔哩哔哩\_bilibili][01-_bilibili]

### 第三阶段：千亿级数仓技术 ###

**企业级在线教育项目实战（Hive数仓项目完整流程）**

以真实项目为驱动，学习离线数仓技术。建立集团数据仓库，统一集团数据中心，把分散的业务数据集中存储和处理 ；从需求调研、设计、版本控制、研发、测试到落地上线，涵盖了项目的完整工序 ；挖掘分析海量用户行为数据，定制多维数据集合，形成数据集市，供各个场景主题使用。

[黑马程序员大数据项目实战教程\_大数据企业级离线数据仓库，在线教育项目实战（Hive数仓项目完整流程）\_哔哩哔哩\_bilibili][Hive_bilibili]

### 第四阶段：PB内存计算 ###

**Python编程基础+进阶**

Python是基于ABC语言的发展来的，Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言， 随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。

Python 语言的语法非常简洁明了，即便是非软件专业的初学者，也很容易上手。

和其它编程语言相比，实现同一个功能，Python 语言的实现代码往往是最短的。

[黑马程序员全套Python教程\_Python基础入门视频教程，零基础小白自学Python入门教程\_哔哩哔哩\_bilibili][Python_Python_Python_bilibili]

[黑马程序员Python高级语法进阶教程\_python多任务及网络编程，从零搭建网站全套教程\_哔哩哔哩\_bilibili][Python_python_bilibili]

**Spark技术栈**

Spark是大数据体系的明星产品，是一款高性能的分布式内存迭代计算框架，可以处理海量规模的数据。本课程基于Python语言学习Spark3.2开发，课程的讲解注重理论联系实际，高效快捷，深入浅出，让初学者也能快速掌握。让有经验的工程师也能有所收获。

[2020年黑马程序员大数据自学教程Spark从零到精通完整版【共11天视频+笔记+源码】\_哔哩哔哩\_bilibili][2020_Spark_11_bilibili]

[黑马程序员Spark全套视频教程，4天spark3.2快速入门到精通，基于Python语言的spark教程\_哔哩哔哩\_bilibili][Spark_4_spark3.2_Python_spark_bilibili]

[大数据基础丨轻松掌握Spark3.0新特性\_哔哩哔哩\_bilibili][Spark3.0_bilibili]

**大数据Flink技术栈**

Flink核心是一个流式的数据流执行引擎，其针对数据流的分布式计算提供了数据分布、数据通信以及容错机制等功能。基于流执行引擎，Flink提供了诸多更高抽象层的API以便用户编写分布式任务。Flink也可以方便地和Hadoop生态圈中其他项目集成，例如Flink可以读取存储在HDFS或HBase中的静态数据，以Kafka作为流式的数据源，直接重用MapReduce或[Storm][]代码，或是通过YARN申请集群资源等。

[大数据自学精品教程Flink从入门到精通【大数据自学系列教程】\_哔哩哔哩\_bilibili][Flink_bilibili]

**Spark离线数仓工业项目实战**

通过大数据技术架构，解决工业物联网制造行业的数据存储和分析、可视化、个性化推荐问题。一站制造项目主要基于Hive数仓分层来存储各个业务指标数据，基于sparkSQL做数据分析。核心业务涉及运营商、呼叫中心、工单、油站、仓储物料。

[全网首次披露大数据Spark离线数仓工业项目实战，Hive+Spark构建企业级大数据平台\_哔哩哔哩\_bilibili][Spark_Hive_Spark_bilibili]

[2022Python_]: https://www.bilibili.com/read/cv11171369
[2022_MySQL_mysql_mysql_i]: https://www.bilibili.com/video/BV1iF411z7Pu/
[01._i]: https://www.bilibili.com/video/BV1CT4y157KE/?p=24&vd_source=41c3fb2563aafeb9df08eb0da84bd9e9
[8_Python_145_i]: https://www.bilibili.com/video/BV1BP4y1E7WY/
[06-Linux_i]: https://www.bilibili.com/video/BV1CU4y1N7Sh/?p=6
[01-_-_bilibili]: https://www.bilibili.com/video/BV1CU4y1N7Sh?p=18
[01-_bilibili]: https://www.bilibili.com/video/BV1CU4y1N7Sh?p=51
[Hive_bilibili]: https://www.bilibili.com/video/BV1ef4y1B7KX/
[Python_Python_Python_bilibili]: https://www.bilibili.com/video/BV1o4411M71o
[Python_python_bilibili]: https://www.bilibili.com/video/BV1Ex411x7Xn
[2020_Spark_11_bilibili]: https://www.bilibili.com/video/BV1ui4y1V7Cf
[Spark_4_spark3.2_Python_spark_bilibili]: https://www.bilibili.com/video/BV1Jq4y1z7VP/
[Spark3.0_bilibili]: https://www.bilibili.com/video/BV1W54y1B7XF/
[Storm]: https://www.boxuegu.com/news/585.html
[Flink_bilibili]: https://www.bilibili.com/video/BV1xe411W7vx/
[Spark_Hive_Spark_bilibili]: https://www.bilibili.com/video/BV1Tv411B7Cf/